多分散喷雾火焰的遗传算法研究

现代技术的进步不断推动着人机交互。进化算法（EA）是一种机器学习（ML）子类，其灵感来源于达尔文进化论中的自然选择过程——适者生存。该类中最著名的算法是遗传算法（GA）——一种强大的启发式工具，能够生成高质量的优化问题解决方案。近几十年来，该算法经历了显著的改进，通过启发式搜索最优解，使其适用于广泛的工程问题。尽管定义明确，但许多工程问题在接近推导过程时可能会受到严重的分析纠缠，这是经典优化方法所要求的。因此，这里的主要动机是绕过这个障碍。在这项工作中，我想利用遗传算法的能力，以一种以前从未执行过的方式，检查一个独特燃烧问题的最优性。更准确地说，我想用它来回答这个问题：什么形式的初始液滴尺寸分布（iDSD）可以保证最佳火焰？为了回答这个问题，我将首先介绍遗传算法，然后开发燃烧模型，并最终将两者合并为一个优化问题。